线特征是图像的一个重要特征，成熟的线结构提取技术是图像配准、分割及目标识别等更高层次图像处理和分析任务的基础。本文对线结构提取技术及其应用做了深入研究，主要内容包括以下几个方面：1.论述了线结构提取技术的基础理论，分类总结并评述了其主要方法和评价准则，分析了线结构提取技术的难点，并展望了发展趋势。2.本文研究了高光谱图像的边缘检测。针对高光谱图像多波段大数据量的特点，提出了一种基于平行坐标谱距离的计算方法。该方法可以在不损失谱间信息的同时分波段进行计算，避免了高维向量的复杂运算，且可实行并行计算。基于此谱距离，提出了一种对光强变化保持不变性的边缘映射。最后采用双阈值法提取边缘，并提出光滑性约束减少弱边缘的丢失。3.边缘作为图像的低层特征和具有感知意义的线结构作为中层特征均受到了广泛关注，大量的检测算法被提出。但连接这两者的桥梁“线段基元”并未受到重视，除了直线段外，显少有专门针对一般光滑线段提取的算法。事实上，光滑线段是构成任意线结构的基元，其提取也非常重要。本文提出了一种基于切方向分析边缘局部光滑性的光滑线段提取算法，还提出了基于学习和3原则自适应的两种参数选择方法。算法简单易实现，能有效提取光滑线段。4.针对已有的线结构提取算法往往只对某一种特定的线结构有效而难以实现同时提取多种线结构的现状，本文提出了基于Graph-cut的线结构提取框架，可以同时提取多种混合形状的线结构。5.在具体项目“复杂低空飞行的自主避险理论与方法研究”的背景下，本文研究线结构提取技术的应用提出了电力线检测算法。算法在边缘检测时充分利用电力线边缘的对称特性抑制阶跃型的干扰边缘，在保证高检测率的同时较大幅度的降低了虚检率。在电力线检测时，采用本文所提出的Graph-cut提取框架，能同时检测常规直线型电力线和重力作用下形变成弧线型的电力线。6.在众多的线结构提取方法中，基于投影变换的方法是最重要和应用最广的方法之一，但缺陷是投影空间的采样缺乏理论依据而全凭实验经验。S.Maybank针对上述问题提出了基于Riemannian度量的一般线结构提取的抽象框架，但该框架缺乏实用性。比如，具体到直线提取时需分6种情况讨论。本文将该抽象框架成功用于直线检测，提出的算法通过选择新的投影空间，基于Riemannian度量分析直线相似性以及对角线采样的创新，克服了分情况讨论的不便。最后尝试分析了算法的误差，给出了一个较粗糙的误差上界估计。